典型文献
基于BtLSTM的社交媒体虚假新闻检测
文献摘要：
随着社交媒体行业的快速发展,便捷的信息获取方式为虚假新闻的产生和传播创造了有利条件,虚假新闻的大范围传播对社会稳定具有极大的破坏性.针对虚假新闻的文本内容进行研究,提出一种融合BERT模型和LSTM模型的虚假新闻检测模型BtLSTM,同时考虑句子的语义表示和句子之间的长距离依赖关系.首先通过BERT模型对社交媒体新闻文本进行全面的语义表示,然后将获取的语义特征输入到LSTM模型中进行学习,最后通过Soft-max层进行虚假新闻的检测.实验结果表明,单独的BERT模型检测性能比FastText模型提高了4.58％;BtCNN模型的检测性能比基于Word2vec的CNN模型提高了0.91％;与以上模型相比,BtLSTM模型表现最佳,检测性能指标F1值高达92.15％.在真实数据集上的实验结果表明,BtLSTM能够更好地表示虚假新闻的语义信息,具有较好的虚假新闻检测性能.
文献关键词：
BERT模型;LSTM模型;文本语义特征;虚假新闻检测
中图分类号：
作者姓名：
郭亚杰;纪淑娟;曹宁;赵金升
作者机构：
山东科技大学计算机科学与工程学院,山东青岛266590;山东鑫超网络科技有限公司,山东泰安271000
文献出处：
引用格式：
[1]郭亚杰;纪淑娟;曹宁;赵金升-.基于BtLSTM的社交媒体虚假新闻检测)[J].软件导刊,2022(05):43-48
A类：
BtLSTM,BtCNN
B类：
社交媒体,体虚,虚假新闻检测,媒体行业,信息获取,有利条件,破坏性,文本内容,BERT,检测模型,句子,长距离依赖,依赖关系,媒体新闻,新闻文本,Soft,max,层进,模型检测,检测性能,性能比,FastText,比基,Word2vec,真实数据,语义信息,文本语义特征
AB值：
0.226745
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
